Python：匹配字符串中的多个子字符串

我正在使用Python，希望将给定字符串与多个子字符串匹配。我试图用两种不同的方法来解决这个问题。我的第一个解决方案是将子字符串与字符串匹配，如下所示：

str = "This is a test string from which I want to match multiple substrings"
value = ["test", "match", "multiple", "ring"]
temp = []
temp.extend([x.upper() for x in value if x.lower() in str.lower()])
print(temp)

这将导致temp=[“测试”、“匹配”、“多个”、“环”]

然而，这不是我想要的结果。子字符串应该完全匹配，因此“环”不应该与“字符串”匹配

这就是我试图用正则表达式解决这个问题的原因，如下所示：

str = "This is a test string from which I want to match multiple substrings"
value = ["test", "match", "multiple", "ring"]
temp = []
temp.extend([x.upper() for x in value if regex.search(r"\b" + regex.escape(x) + r"\b", str,
                                                   regex.IGNORECASE) is not None])
print(temp)

str = ['Hi,', 'how', 'are', 'you?']`
values = ['how', 'you', 'time', 'space']

new_str = []
for word in str:
  for j in values:
    if word.startswith(j):
      new_str.append(word)

# result -> ['how', 'you?']

结果是[“测试”、“匹配”、“多个”]，这是正确的解决方案。尽管如此，这个解决方案的计算时间太长。我必须对大约100万个字符串进行检查，使用regex的解决方案需要几天才能完成，而使用第一个解决方案需要1.5个小时

我想知道是否有办法让第一个解决方案工作，或者让第二个解决方案运行得更快。提前谢谢

---

编辑：

value

也可以包含数字，或者像“test1 test2”这样的短短语

您可以按空格拆分

str

，然后将

value

中的元素与

=

匹配

编辑：

---

所以你说

值中的一些字符串可以在它们之前或之后有空格。您可以通过以下行解决此问题：

values = [i.strip() for i in values]

这将删除字符串前后的所有空白字符（对于每个元素）

此外，您还提到，如果您将
str
按空格拆分，一些单词会在拆分过程中留下标点符号-->
“你好吗？”
将导致
['Hi'，'how'，'are'，'you']
。您可以通过使用字符串
startswith（）
内置方法从
值中筛选以元素开头的所有单词来解决此问题，如下所示：

str = "This is a test string from which I want to match multiple substrings"
value = ["test", "match", "multiple", "ring"]
temp = []
temp.extend([x.upper() for x in value if regex.search(r"\b" + regex.escape(x) + r"\b", str,
                                                   regex.IGNORECASE) is not None])
print(temp)

str = ['Hi,', 'how', 'are', 'you?']`
values = ['how', 'you', 'time', 'space']

new_str = []
for word in str:
  for j in values:
    if word.startswith(j):
      new_str.append(word)

# result -> ['how', 'you?']

然后，您可以使用一些正则表达式从结果列表中删除标点符号，但现在您将有更小的列表可供迭代。删除所有标点符号后，就可以按照我在原始答案中的建议匹配整个字符串

我希望现在更清楚。
在没有看到实际数据的情况下，很难提出最佳解决方案，但您可以尝试以下方法：


生成一个匹配所有值的模式。这样，您只需要搜索字符串一次（而不是每个值搜索一次）
跳过转义值，除非它们包含特殊字符（如
'^'
或
'*'
）
将结果直接分配给
temp
，避免使用
temp.extend（）
进行不必要的复制

我想到了两种可能的优化：


使用
re.compile
预编译模式，这样它就不会在每次调用
match
时重新编译
与其与四个独立的正则表达式匹配，不如创建一个与所有值匹配的正则表达式


结果:

['TEST', 'MATCH', 'TEST1 TEST2', 'MULTIPLE']

这种方法的潜在缺点：


输出的顺序可能不同。您最初的方法将结果按其在
值中出现的顺序排列。这种方法将结果按其在
str
中的显示顺序排列

如果相同的值在
str
中多次出现，则该值将在
temp
中多次出现。与原始方法相反，该方法中的值最多在
temp
中出现一次
搜索
一旦找到匹配项就会终止
findall
始终搜索整个字符串。如果您希望大多数字符串与
值中的每个单词匹配，并且希望大多数匹配项出现在字符串的早期，则
findall
可能比
搜索
慢。另一方面，如果您希望搜索经常出现
None
，那么
findall
可能会更快一些
通过编译您的解决方案并在您的计算机上运行编译后的版本，您可能可以节省大量时间strings@jeremycg“编译您的解决方案”的确切含义是什么？
但当值包含诸如“test1 test2”之类的子字符串时，这不起作用。因此，如果value有一个单词包含在
str
中，那么应该有一个匹配？使用@Kevin在他的回答中提到的
re.compile
，如果
value
的元素包含空格，或者如果句子包含一个本来应该匹配的单词旁边的标点符号，那么你就可以做
value=[i.strip（）表示i in值]
并使用字符串方法
startswith（）从
str
中筛选项目
然后从筛选列表中删除标点符号并查看结果。对不起，我不确定我是否理解。您能否在答案中编辑一些完整的代码并演示其工作原理？谢谢您的编辑，但我认为我仍然缺少一些内容。当我运行该代码块时，我得到了
名称错误：名称“I”未定义
。“所以你说值中的某些字符串可以在它们之前或之后有空格。”我不认为他是这么说的。我认为他是说值中可以有空格，不一定在开头或结尾。例如，test1 test2包含空格。删除它是错误的，因为“test1 test2”不应匹配，将其拆分为多个元素是错误的，因为“test1”不应匹配，除非它紧跟在“test2”后面的空格之前.“编译”模式在这里不会带来任何好处，因为您只使用了一次。即使多次使用，也很可能忽略不计。我对实际问题的解释是，必须搜索数百万个字符串，而不仅仅是示例代码中的字符串。假设有一个
f或者以百万字符串表示的str:
紧跟在my
temp=[]
之后的一行。感谢您的回答，但这是您的第一个选择